Jede Aktivierung verstärkt: Skalierung des universellen Denkers auf 1 Billion offene Sprachgrundlagen

Every Activation Boosted: Scaling General Reasoner to 1 Trillion Open Language Foundation

October 25, 2025

papers.authors: Ling-Team, Ang Li, Ben Liu, Binbin Hu, Bing Li, Bingwei Zeng, Borui Ye, Caizhi Tang, Changxin Tian, Chao Huang, Chao Zhang, Chen Qian, Chenchen Ju, Chenchen Li, Chengfu Tang, Chili Fu, Chunshao Ren, Chunwei Wu, Cong Zhang, Cunyin Peng, Dafeng Xu, Daixin Wang, Dalong Zhang, Dingnan Jin, Dingyuan Zhu, Dongke Hu, Fangzheng Zhao, Feifan Wu, Feng Zhu, Gangshan Wang, Haitao Zhang, Hailin Zhao, Hanxiao Zhang, Hanzi Wang, Hao Qian, Haoyi Yu, Heng Zhang, Hongliang Zhang, Hongzhi Luan, Huirong Dong, Huizhong Li, Jia Li, Jia Liu, Jialong Zhu, Jian Sha, Jianping Wei, Jiaolong Yang, Jieyue Ma, Jiewei Wu, Jinjing Huang, Jingyun Tian, Jingyuan Zhang, Jinquan Sun, Juanhui Tu, Jun Liu, Jun Xu, Jun Zhou, Junjie Ou, Junpeng Fang, Kaihong Zhang, Kaiqin Hu, Ke Shi, Kun Tang, Kunlong Chen, Lanyin Mei, Lei Liang, Lei Xu, Libo Zhang, Lin Ju, Lin Yuan, Ling Zhong, Lintao Ma, Lu Liu, Lu Yu, Lun Cai, Meiqi Zhu, Mengying Li, Min Chen, Minghao Xue, Minghong Cai, Mingming Yin, Peijie Jiang, Peilong Zhao, Pingping Liu, Qian Zhao, Qing Cui, Qingxiang Huang, Qingyuan Yang, Quankun Yu, Shaowei Wei, Shijie Lian, Shoujian Zheng, Shun Song, Shungen Zhang, Shuo Zhang, Siyuan Li, Song Liu, Ting Guo, Tong Zhao, Wanli Gu, Weichang Wu, Weiguang Han, Wenjing Fang, Wubin Wang, Xiang Shu, Xiao Shi, Xiaoshun Lan, Xiaolu Zhang, Xiaqing Sun, Xin Zhao, Xingyu Lu, Xiong Xu, Xudong Wang, Xudong Wang, Xuemin Yang, Yajie Yang, Yang Xiang, Yanzhe Li, Yi Zhang, Yilong Wang, Yingxue Li, Yongzhen Guo, Yuzhuo Fu, Yuanyuan Wang, Yue Yang, Yue Yu, Yufeng Deng, Yun Zhang, Yunfei Xu, Yuqi Zhang, Yuxiao He, Zengke Gui, Zhaoxin Huan, Zhaoyang Wang, Zhibo Zhu, Zhihao Wang, Zhiqiang Zhang, Zhoufei Wang, Zihang Zeng, Ziqi Liu, Zitao Xuan, Zuoli Tang

cs.AI

papers.abstract

Wir stellen Ling 2.0 vor, eine Reihe von reasoning-orientierten Sprachgrundmodellen, die auf dem Prinzip aufbauen, dass jede Aktivierung die Reasoning-Fähigkeit steigert. Ling 2.0 ist darauf ausgelegt, unter einem einheitlichen Mixture-of-Experts (MoE)-Paradigma von zig Milliarden auf eine Billion Parameter zu skalieren, und legt besonderen Wert auf hohe Sparsity, konsistente Leistung über verschiedene Skalen hinweg und Effizienz, die durch empirische Skalierungsgesetze geleitet wird. Die Reihe umfasst drei "Non-Thinking"-Instruktionsmodelle – Ling-mini-2.0, Ling-flash-2.0 und Ling-1T – mit einem Spektrum von 16 Mrd. bis 1 Bio. Gesamtparametern und einer bis zu 7-fach höheren Active-Compute-Effizienz im Vergleich zu dichten Modellen. Ling 2.0 integriert koordinierte Innovationen in den Bereichen Modellarchitektur, Pre-Training, Post-Training und Infrastruktur: einen hochgradig sparsamen MoE-Ansatz mit MTP für effizientes Reasoning, reasoning-orientierte Daten und Mid-Training-CoT-Aktivierung, Reinforcement-basiertes Fine-Tuning (DFT, Evo-CoT) sowie vollständiges FP8-Training mit feinkörnigen heterogenen Pipelines. Im Billionen-Parameter-Bereich setzt Ling-1T eine neue Pareto-Grenze für die Beziehung zwischen Reasoning-Genauigkeit und Recheneffizienz und zeigt, dass sparsame Aktivierung, wenn sie richtig auf Reasoning-Ziele abgestimmt ist, skalierbare und effiziente Intelligenz ermöglicht. Zusammengenommen bietet Ling 2.0 eine kohärente, offene und effiziente Grundlage für die Weiterentwicklung zukünftiger Reasoning- und Denkmodelle, einschließlich der auf derselben Basis aufbauenden Ring-Serie.

English

We introduce Ling 2.0, a series reasoning-oriented language foundation built upon the principle that every activation boosts reasoning capability. Designed to scale from tens of billions to one trillion parameters under a unified Mixture-of-Experts (MoE) paradigm, Ling 2.0 emphasizes high sparsity, cross-scale consistency, and efficiency guided by empirical scaling laws. The series includes three non-thinking (instruct) models - Ling-mini-2.0, Ling-flash-2.0, and Ling-1T - ranging from 16B to 1T total parameters and achieving up to 7-fold active-compute efficiency compared with dense counterparts. Ling 2.0 integrates coordinated innovations across model architecture, pre-training, post-training, and infrastructure: a high-sparsity MoE with MTP for efficient reasoning, reasoning-oriented data and mid-training CoT activation, reinforcement-based fine-tuning (DFT, Evo-CoT), and full-scale FP8 training with fine-grained heterogeneous pipelines. At the trillion scale, Ling-1T establishes a new Pareto frontier of reasoning accuracy versus computational efficiency, demonstrating that sparse activation, when properly aligned with reasoning objectives, enables scalable and efficient intelligence. Collectively, Ling 2.0 provides a coherent, open, and efficient foundation for advancing future reasoning and thinking models, including the Ring series built upon the same base.